学习排序算法简介
浏览数：26 /
时间：2015年06月08日
学习排序算法简介
学习排序（Learning to Rank, LTR）是一类基于机器学习方法的排序算法。
传统经典的模型，例如基于TFIDF特征的VSM模型，很难融入多种特征，也就是除了TFIDF特征之外，就无法融入其他种类的特征了。
而机器学习的方法很容易融合多种特征，而且有成熟深厚的理论基础，参数也是通过迭代计算出来的，有一套成熟理论来解决稀疏、过拟合等问题。
LTR方法大致可以分成三类：
1） Pointwise 单文档方法
2） Pairwise 文档对方法
3） Listwise 文档列表方法
LTR算法在实际中应用很多，比如你在搜索引擎中输入一个query，得到了一系列的搜索结果，那么如何根据你的query，对这些结果进行排序呢？因为我们需要把与query最相关的result排在最前面吧~机器翻译的时候也会有个翻译结果排序的过程。所以说，LTR算法还是很有用滴~
下面的博客中，我们会具体介绍上面的每一类算法~
http://blog.csdn.net/nanjunxiao/article/details/8976195
郑重声明：本站内容如果来自互联网及其他传播媒体，其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。
